Autonomous vehicle 杂谈_11一. LOAM、ALOAM 简介 LOAM相比于普通的ICP点对点匹配、以及NDT的划分栅格并构建高斯分布进而匹配，LOAM另辟蹊径地选择了通过对点云提取特征（如树干、墙角等，采用线模型描述）和平面特征（如地面、墙面等，采用面模型描述），匹配时以点到线距离和点到面距离为残差优化位姿。 ALOAM则是LOAM的一个优化版本，主要去掉了IMU相关的部分，

本文针对于电脑中配备有GPU，且有深度学习需求的小伙伴们，搭建一个可用无污染的深度学习环境。文章是借鉴综合了网上大神们的各种方法，再经本人综合而成的，如有雷同纯属意外。

CV_04 深度学习目标检测模型汇总一. 借鉴与参考本文大部分内容摘自于GitHub 上毕业于韩国首尔国立大学电气与计算机工程专业的 Lee hoseong所上传的经典项目，该项目的链接：https://github.com/hoya012/deep_learning_object_detection。二. 目标检测模型编年史三. 经典模型论文及源码分享（重点加粗标红）名称年份论文代码R-CNN2

机器学习21_决策树（decision tree）逻辑回归树（regression tree）详解（2021.09.02）一. 究极总结决策树：一个定义在特征空间与类空间上的条件概率分布。逻辑回归树：解决逻辑回归问题的决策树。二. 知识储备什么是熵？一种事物的不确定性就叫做熵。比如我想买一颗西瓜，该挑哪一颗我不知道，我很不确定，这种感觉就被称作为熵。用数学的角度来解释就是：熵是描述系统状态的函数，

机器学习22_决策树的连续值、缺失值处理（2021.09.03）一. 决策树连续值处理 - - - 引言：昨天讨论过的所生成的决策树，都是基于一些离散性的数据而生成的（例如上图蓝色圈圈内部有关色泽的属性）；但是现实任务中常常会遇到连续的数据属性（例如上图红色圈圈内部有关密度的属性）。且由于连续属性的可取数目不再有限，因此，不能直接根据连续属性的可取值来对节点进行划分，此时，对于连续数据的离散化技术

机器学习15_线性回归算法详解 （2021.05.30）一. 基础知识什么是回归问题？回归问题的本质又是什么？回归问题其实就是目标值是连续性的值，而分类问题的目标值则是离散型的值。回归处理的问题为预测，其本质都在于根据事物的相关特征预测出对应的结果值。比如：预测房价、预测销售额、设定贷款额度等。举一个生活中有关回归的例子:预测学生的期末成绩已知了期末成绩的判定方法：0.7 x 考试成绩 + 0.3

机器学习18_贝叶斯算法详解（2021.06.02）一. 朴素贝叶斯算法为什么需要朴素贝叶斯算法？比如说，我们想预测一个人究竟是否能够侥幸在空难中生还，那么我们就需要建立一个分类模型来学习我们的训练集。在训练集中，其中一个人的特征是30岁，男，普通舱，他最终在空难中去世了。训练完成后，当我们使用训练好的模型进行测试的时候，测试的目标的特征也是30岁，男，普通舱，那么我们的模型必然会给这个人打上去世

机器学习12_KNN算法（2021.05.26）一. 解惑KNN算法的全名是什么？KNN算法（K-NearestNeighbor）也称邻近算法，或者说K最近邻分类算法，该算法是数据挖掘分类技术中最简单的方法之一。什么是KNN算法？KNN算法其实就是根据数据之间的相似度来进行分类。简单地说，KNN算法通过测量待分类目标与已知分类目标之间的距离来进行分类。（近朱者赤近墨者黑）待分类的目标到已知分类目标

机器学习19_逻辑回归算法详解（2021.06.07 ~）一. 究极总结逻辑回归：一个打着回归旗号，却在做分类任务的分类器。二. 必备知识复习逻辑回归在本质上其实是由线性回归衍变而来的，因此想要更好地理解逻辑回归，先让我们复习一下线性回归。线性回归的原理其实就是用一个线性回归方程来描述一个线性回归的问题。而线性回归的方程可以写作一个几乎大家都熟悉的方程：在这个方程中，w0被称作截距，w1 ~ wn

机器学习22_支持向量机简述（2021.09.07）一. 引言：（摘自：https://ladychili.top/SVM/）机器学习研究者所说的 Support Vector Machines 通常泛指最大边界分类器 (Maximal Margin Classifier)、支持向量分类器 (Support Vector Classifiers) 和支持向量机 (Support Vector Ma